Competitive intelligence overview

523 views

Published on

Introduzione alla Competitive Intelligence attraverso l'applicazione delle tecniche di data mining

Published in: Business
0 Comments
0 Likes
Statistics
Notes
  • Be the first to comment

  • Be the first to like this

No Downloads
Views
Total views
523
On SlideShare
0
From Embeds
0
Number of Embeds
5
Actions
Shares
0
Downloads
6
Comments
0
Likes
0
Embeds 0
No embeds

No notes for slide

Competitive intelligence overview

  1. 1. Competitive Intelligence Data Mining - Analisi dei dati L'applicazione di tecniche di data mining per estrarre conoscenza da banche dati di tipo tecnico-scientifico consente di effettuare studi di "technology watch" (monitoraggio tecnologico) o "competitive intelligence" (monitoraggio dell'attività della concorrenza). L'obiettivo, espresso in forma generica, è rispondere ai seguenti interrogativi: • Quali sono gli orientamenti del mercato • Quali sono le aree tecnologiche emergenti • Quali aziende stanno investendo sulle nuove tecnologie • Quali saranno i miei concorrenti nei prossimi anni • In quale area un mio concorrente sta preparando nuovi prodotti da mettere sul mercato • Quale area abbandonerà nei prossimi anni Le fonti di informazione più affidabili sono le banche dati disponibili on-line che contengono documenti tecnico-scientifici, tra queste, una delle più utilizzate è la banca dati Derwent che raccoglie tutti i brevetti che sono stati depositati in tutto il mondo negli ultimi 10 anni. Una ricerca in questa banca dati (per argomento, per azienda, o per anno) può portare ad estrarre centinaia, a volte anche migliaia, di documenti. Diventa così necessaria un'elaborazione automatica che raggruppi i documenti individuando le principali aree tematiche, metta in evidenza le sinergie e le relazioni tra le diverse aree e consenta di analizzare l'evoluzione temporale in ogni area e la strategia dei concorrenti. La grande mole di dati contenuti in ciascun documento e la loro tipologia testuale rende indispensabile l'uso di strumenti di data mining. Il processo di estrazione di conoscenza, già descritto, richiede, in questo contesto, grande cura nelle prime fasi di individuazione delle fonti e di estrazione dei documenti, mentre la parte di pre-processing risulta molto meno impegnativa essendo le banche dati in input di ottima qualità. La tecnica appropriata in questo tipo di applicazione è una particolare tecnica di segmentazione (clustering) che si basa sull'analisi relazionale. Prima di descrivere i risultati ottenibili attraverso un esempio concreto, è opportuno fare una premessa metodologica che spieghi brevemente come si ottengono i risultati. I documenti raccolti sono dei testi strutturati in campi. Un brevetto, per esempio, è un testo strutturato in una serie di campi tra cui possiamo riconoscere: il titolo, l'azienda depositante (ed eventuale holding), il nome dell'inventore, la data di deposito, l'abstract e alcuni codici di classificazione. Ogni brevetto è infatti caratterizzato da un numero variabile di codici appartenenti a diversi sistemi di classificazione, che descrivono il contenuto e l'area applicativa del brevetto. Questi codici sono parzialmente sovrapposti e ridondanti, così che non è facile, anche per un esperto, riconoscere l'importanza di un brevetto e le sue relazioni con gli altri e con altre aree applicative. Il Centro di Matematica Applicata di Parigi dell'IBM ha messo a punto una tecnica per analizzare questo tipo di dati che si basa sull'analisi relazionale.
  2. 2. Il contenuto di ciascun documento viene trasportato in una matrice binaria in cui ogni riga rappresenta un brevetto ed ogni colonna una variabile descrittiva (un codice, una parola contenuta nel titolo, l'anno di deposito, ecc…). In ogni casella della matrice, un "1" indica la presenza di quella particolare variabile come attributo descrittivo di quel particolare documento, uno "0" indica l'assenza di quel particolare attributo descrittivo nel documento in questione. Questa matrice è il punto di partenza per poter mettere in relazione i documenti. Il confronto avviene, inizialmente, per coppie di documenti: per ciascuna coppia viene calcolato un indice di somiglianza. Tale indice aumenta all'aumentare degli "1" in comune (cioè aumenta quando i due documenti condividono lo stesso attributo descrittivo) e diminuisce all'aumentare degli attributi che li differenziano.
  3. 3. L'algoritmo di segmentazione usa gli indici di somiglianza per individuare la partizione migliore. Quella cioè che dà luogo a raggruppamenti di documenti il più omogenei possibile, al loro interno, e il più separati possibile dagli altri raggruppamenti ottenuti. Il numero di raggruppamenti (o cluster) non è determinato a priori, come avviene nella cluster analysis classica: è l'algoritmo che individua i raggruppamenti impliciti nei dati in maniera automatica. Questo consente da una parte di eliminare qualsiasi arbitrarietà e forzatura esterna, dall'altra di individuare ed identificare anche i raggruppamenti più piccoli che spesso sfuggono all'analisi e sono di estremo interesse in quanto possono indicare potenziali di mercato non sufficientemente sviluppati. Questa tecnica è resa flessibile, ed adattabile a qualsiasi struttura di dati, dalla presenza di alcuni parametri. E' infatti possibile definire l'indice (o criterio) di somiglianza, scegliere la soglia (più o meno restrittiva), e l'eventuale sistema di ponderazione. Nel nostro caso, può essere utile assegnare un peso maggiore agli attributi "rari" (parole nei titoli, per esempio, che compaiono raramente, dovrebbero avere maggiore importanza nel definire i gruppi rispetto alle parole frequenti). Una volta definiti i parametri, ha inizio la fase di data mining vera e propria che dà come risultato i principali raggruppamenti tematici, ottenuti tramite individuazione delle ricorrenze di parole (contenute nel titolo dei documenti) e/o di codici classificatori. La fase successiva, di analisi e valutazione dei risultati ha come punto di partenza la mappa dei cluster: una rappresentazione grafica dei gruppi individuati tramite la quale è possibile accedere alla descrizione completa di ciascun cluster. Un esempio Un importante centro di ricerca francese nel campo della cosmesi era interessato a conoscere gli sviluppi del mercato del cerotto medicale (patch technology). La ricerca di
  4. 4. documenti relativi al cerotto medicale ha portato ad individuare 146 brevetti. Poiché questo studio è stato effettuato nel 1992, i documenti coprivano l'arco temporale 1979 - 1991. Erano stati depositati da 105 diverse aziende in 12 paesi e contenevano 94 diversi codici di classificazione internazionale (e 52 codici Derwent). L'applicazione dell'algoritmo di data mining ha consentito di individuare 20 gruppi tematici. La mappa qui riprodotta ne presenta i primi 12. Ogni cerchio rappresenta un gruppo di documenti ed è caratterizzato da un numero identificativo (che ne indica l'importanza in termini di dimensione), dal numero di documenti che contiene e da alcune parole che ne caratterizzano l'argomento (sono le parole più frequenti all'interno del gruppo). I legami tra gruppi sono rappresentati da linee il cui colore e spessore indica la forza del legame. Un insieme di gruppi tra loro collegati rappresenta una macro tecnologia (o macro area). La mappa fornisce una prima visione d'insieme degli argomenti individuati e delle loro relazioni. Con un clic del mouse sull'argomento di interesse è possibile accedere alla descrizione completa del gruppo di documenti e, da qui, ai singoli documenti. A titolo d'esempio è riportata la descrizione (sintetica) del cluster n.2. La descrizione mette in evidenza i codici di classificazione (e la relativa descrizione) che compaiono in questo gruppo di documenti, i nomi delle aziende depositanti (il 42% dei brevetti contenuti in questo gruppo sono stati depositati dalla Drug Delivery System) e l'anno di deposito. L'evoluzione temporale indica che l'interesse su questo argomento (Elettroforesi) è andato aumentando nel tempo, la maggior parte dei brevetti è infatti stata depositata negli ultimi anni. Si tratta quindi di una tecnologia, almeno al momento dello studio, in espansione. La seguente rappresentazione grafica consente di valutare l'attività di ciascuna azienda
  5. 5. nel tempo e in ciascuna area tecnologica. Si può notare, sempre nel secondo cluster e quindi sempre relativamente alla elettroforesi, che, mentre per la BASF si tratta di un settore di ricerca consolidato nel tempo e su cui mantiene un'attività di ricerca più o meno costante nel tempo, per la Drug Delivery System si tratta di un settore nuovo, sul quale sta investendo pesantemente. L'esplorazione dei risultati può procedere in varie direzioni: approfondendo il contenuto del secondo cluster tramite esame dei singoli documenti, passando ad argomenti collegati (in questo caso il quinto cluster tratta un argomento collegato all'elettroforesi), tornando alla mappa per selezionare un'altra area tematica o, infine, analizzando la presenza delle aziende nei diversi cluster e la caratterizzazione temporale di ciascuna area tematica.
  6. 6. Qui sotto è rappresentata la distribuzione delle prime 20 aziende nei cluster. Le aziende in tutto sono 105, l'algoritmo seleziona automaticamente quelle più presenti. La prima barra (T) mostra la loro distribuzione percentuale nell'insieme dei documenti, le altre mostrano la loro distribuzione percentuale all'interno di ciascun gruppo tematico. L'estensione di ciascun colore indica la quota percentuale dell'azienda all'interno del cluster. Si può notare che la Drug Delivery System (colore arancione scuro) è presente, oltre che nel secondo cluster, anche nel quinto, che, come si è visto in precedenza, è un argomento collegato. E' assente invece da ogni altra area di ricerca. BASF (colore arancione chiaro) è impegnata anche nelle aree identificate dai cluster 11 e 19. Medtronic (colore rosso scuro), che era poco presente nel campo dell'elettroforesi, è invece impegnata nell'area 9 (polimerizzazione) dove risulta la depositante del 40% dei brevetti.
  7. 7. La distribuzione dell'anno di deposito sul totale dei documenti (prima barra a sinistra), mostra come la maggior parte dell'attività di ricerca nel campo del cerotto medicale sia stata effettuata negli anni 88 (verde scuro) e 89 (rosso). La maggiore presenza del colore azzurro e/o ocra in alcuni cluster indica le aree di ricerca più recenti. I cluster 16 e 18 rappresentano aree di ricerca che con tutta probabilità sono state abbandonate (l'attività è ferma al 1987).

×